دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Julian F. Miller (eds.)
سری: Natural Computing Series
ISBN (شابک) : 3642173098, 9783642173097
ناشر: Springer
سال نشر: 2011
تعداد صفحات: 367
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 Mb
در صورت تبدیل فایل کتاب Cartesian Genetic Programming به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب برنامه نویسی ژنتیکی دکارتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
برنامه نویسی ژنتیکی دکارتی (CGP) یک شکل بسیار مؤثر و محبوب برنامه ریزی ژنتیکی است. این برنامه ها را به شکل نمودارهای جهت دار نشان می دهد، و یک ویژگی خاص این است که دارای یک نقشه برداری ژنوتیپ-فنوتیپ بسیار زائد است، زیرا ژن ها می توانند غیر کد کننده باشند. تعدادی فرم جدید ایجاد کرده است که هر کدام در کارایی بهبود می یابند، از جمله آنها CGP مدولار یا تعبیه شده، و CGP خود اصلاح شونده. این کتاب برای بسیاری از مشکلات هم در علوم کامپیوتر و هم در علوم کاربردی به کار گرفته شده است.
این کتاب شامل فصلهایی است که توسط چهرههای پیشرو در توسعه و کاربرد CGP نوشته شدهاند. خواندن ضروری برای محققان برنامهنویسی ژنتیک و مهندسان و دانشمندانی که برنامههای کاربردی را با استفاده از این تکنیکها حل میکنند. همچنین برای دانشآموزان پیشرفته و کارشناسی ارشد که به دنبال درک و استفاده از شکل بسیار کارآمد برنامهریزی ژنتیکی هستند، مفید خواهد بود.
Cartesian Genetic Programming (CGP) is a highly effective and increasingly popular form of genetic programming. It represents programs in the form of directed graphs, and a particular characteristic is that it has a highly redundant genotype–phenotype mapping, in that genes can be noncoding. It has spawned a number of new forms, each improving on the efficiency, among them modular, or embedded, CGP, and self-modifying CGP. It has been applied to many problems in both computer science and applied sciences.
This book contains chapters written by the leading figures in the development and application of CGP, and it will be essential reading for researchers in genetic programming and for engineers and scientists solving applications using these techniques. It will also be useful for advanced undergraduates and postgraduates seeking to understand and utilize a highly efficient form of genetic programming.